Aller au contenu
SwissAnon
Pour les entreprises

Partager des données sensibles — de façon défendable

Nous aidons les organisations à anonymiser et à partager des données sensibles avec des méthodes que vous pourrez défendre devant une autorité de contrôle.

Conseil en anonymisation

Conseil méthodologique et évaluation du risque de divulgation pour les microdonnées, les registres et les données longitudinales. Nous classons vos variables (identifiants directs, quasi-identifiants, attributs sensibles), définissons le scénario de divulgation et le mode de partage, mesurons le risque de ré-identification par enregistrement et appliquons des méthodes ciblées — généralisation, suppression locale, PRAM, micro-agrégation, swapping, bruit — ajustées à un objectif d'utilité.

Vous recevez : un jeu de données anonymisé ainsi qu'un rapport défendable — méthodes, paramètres, risque résiduel et utilité conservée — qui résiste à l'examen d'une autorité de contrôle ou d'un évaluateur.

Données synthétiques

Génération et validation de jeux de données synthétiques qui préservent l'utilité statistique tout en rompant les liens un à un avec des individus réels. Nous construisons des modèles de synthèse (p. ex. avec simPop, synthpop, des GANs et d'autres, ou des solutions sur mesure), puis évaluons les deux facettes du compromis — la fidélité (distributions, corrélations, performance des modèles) et le risque de divulgation (divulgation d'attribut/d'identité) — avec nos propres outils ouverts riskutility.

Idéal lorsque vous devez partager largement des données, construire des pipelines ou entraîner des modèles sans exposer les personnes derrière les enregistrements.

Audits & seconds avis

Examen indépendant d'un pipeline d'anonymisation ou de données synthétiques existant. Nous mesurons à nouveau le risque de divulgation sous des hypothèses d'attaquant réalistes, vérifions si les méthodes correspondent au mode de partage et identifions où l'utilité est perdue inutilement.

Vous recevez : un second avis écrit assorti de conclusions concrètes et hiérarchisées — utile avant une publication, un audit ou un examen par un bailleur de fonds ou une autorité de contrôle.

Travaux sélectionnés

Où nous mettons ces méthodes en pratique

Voir toutes les références
  • Funded research · SNF + Innosuisse

    SNF Bridge Discovery

    What we didOur flagship project: privacy-preserving methods for event and longitudinal data — masking trajectories, protecting event histories, and pushing re-identification-risk assessment beyond k-anonymity.

    ImpactOpen, reproducible tools that let organisations analyse and share data following the same people over time, with quantified risk.

  • Clinical research · Switzerland

    Nestlé

    What we didTwo ongoing engagements under the EU GDPR/EDPB framework. Using a completed study as the worked example, we show the team what anonymization can achieve and how to make the decisions it requires. In parallel, we anonymize the data of a clinical study before the identifiable original is deleted.

    ImpactA team that can make anonymization decisions itself, and study data that stays usable after the original is gone, with the measurements that carry the scientific value preserved.

  • Rail transport · Switzerland

    SBB

    What we didHousehold-level anonymization and geographic protection of SBB's 9-million-person Synthetic Population (SynPop), with a formal disclosure-risk assessment for a differentiated data-release policy.

    ImpactIndividual-level population data that can be shared and used safely in agent-based transport models — not the current all-or-nothing.

Confiez-nous votre problème de partage de données le plus épineux.

Un premier échange est gratuit, confidentiel et généralement éclairant.

Entamer la conversation